浅谈一种基于无损以太网的流量控制机制

时间:2024-12-26 03:37:49 来源:作文网 作者:管理员

一、引言

伴随着云计算及云存储业务的需求增长,数据中心网络技术得到了快速发展,为用户提供了一种高效、可靠的数据传输解决方案,实现了数据中心网络带宽增加、无丢包传输等要求。在数据中心网络中存在三种网络模型,分别为SAN网络、LAN 网络和IPC 网络,不同的网络模型对流量性能提出了不同的标准,SAN 网络要求数据无丢包传输,LAN 网络提供尽力而为的服务,IPC 网络则提出低延迟标准。在数据中心网络中,LAN 网络尽力而为的机制不足以支撑SAN 网络无丢包传输,因此对数据中心以太网技术提出了更高的链路流量控制标准。本文在IEEE 802.1 Qbb 标准基础上,设计了一种适合数据中心以太网的链路流量控制解决方案。

二、基于优先级的流控机制标准

PFC 是由IEEE 802.1 Qbb 协议标准针对无损以太网络提出的,它类似于802.3 X 标准中的PAUSE 机制,通过反馈机制对链路中的每个优先级业务进行单独流量控制,优点是全双工、反应快,能快速解决链路拥塞问题。

二层交换网络以太网链路通过反馈与响应

机制完成流量的管理。反馈机制表现在:链路6 接收队列所示,当本地设备接收队列ช超过一定门限阈值时,则会产生pause 请求告知对方暂停发帧,当接收队列低于一定门限时,接收端会产生pause 取消请求信号告知对方设备正常发帧。反馈响应机制表现在,当远端设备因转发延迟造成缓存溢出时,本端设备会暂停发帧,直到对方具备缓存能力后,才会通知本地设备继续发帧。通过这样一个反馈与响应机制,完成双方设备链路的流量管理。PFC 帧支持分级服务,对不同优先级的数据帧进行单独PAUSE 控制,优先级为6 的接收队列将满,则将会对优先级链路为6 的数据源实施暂停请求,而其他服务队列完全不受影响。

三、基于优先级流控的设计

优先级流控机制的设计包括接收和发送方向PFC 帧的响应与处理。

在接收方向上,功能设计分为两部分:一是本端设备MAC_RX 接收端在解析模块提取 PFC 报文格式中Class-Enable Vector 和Time 传递给MAC_TX 发送模块;二是根据本端接收队列缓存情况产生16bit 数据请求信号传递给MAC_TX 模块,控制对端设备数据的发送,请求信号每两bit 对应一个Class 服务,如16h0001 代表请求对端优先级1 的链路暂停发帧,如16h0002 则请求对端设备优先✫级1 的链路继续发帧。

在发送方向上,功能设计如下:发送端根据接收端提取¡的定时信息time和优先级向量更新本地定时器timer_cnt,time中的值是定时单位时间个数,每个定时单位时间相当于512bit 数据传输时间,每传输512bit 数据后timer_cnt 进行减一操作,直到timer_cnt 为0 时允许本端设备此优先级链路发帧,否则暂停本优先级链路数据发送。

四、优先级流控设计的仿真

通过Modelism 仿真平台对设计进行功能验证。主要验证内容如下:在接收方向上验证接收端是否会根据本地接收队列的缓存情况向发送端PFC 产生模块发送正确的请求信号。在发送方向上验证发送端是否能够响应接收方向上传递的暂停时间因子来调度本地设备帧的发送。

当接收队列达到一定门限即wrusedw 达到1209e 后,fifo_ovfl 信号拉高,接收端PFC 请求模块发出16h0040 请求信号传递给MAC_TX 模块,发送端根据此请求信号构建了如图中所示定时信息为16hffff 的PFC 帧,并在链路上检测到此PFC 帧。

PFC 流控是基于优先级设计的,本仿真针对于优先级为4 的链路进行暂停控制,根据接收方向提取的定时信息timer4 将发送端定时器fip_timer 更新为16h0011,发送端同时使能fip_cnt_en 控制fip_cnt 的增减,当 fip_cnt 增到3d7后fip_timer 减1,当fip_timer 定时信息不为0 时,优先级链路4 的数据帧被暂停发送,调度指针变为3h4,此时发送其他链路数据帧❅,直到fip_timer 定时信息为0 时,才会重新授权优先级指针fifo_rden 为 3h2,允许优先级链路4 上的数据发送。

根据modelism 仿真结果证明,MAC 层的MAC_RX 和MAC_TX ☭能够通过PFC 机制的反馈与响应完成链路流量的调节,避免了链路的拥挤,保证了链路数据的无损传输。

五、结束语

本文根据802.1Qbb 标准在MAC 层实现了优先级流控机制的设计,并对该设计进行了Modelism 功能仿真,验证了优先级流控机制作为一种无损以太网流控技术,能够根据链路拥塞情况做出快速反应,解决链路流量拥挤问题,避免数据丢包问题发生。本设计可应用于无损以太网MAC 层中,同时为后续联合QCN 算法共同解决流量问题做了铺垫。


热门排行: 教你如何写建议书